坚持一万小时，就能学会投资吗

搞定一万小时就能成为专家吗？假如这条定理有效，那么大量的在平凡岗位上工作30年的员工，应该成为奥运级别的专业人士了，因为论时间，他们早已超过了一万小时。所以，这个定律，很可能是一碗浓浓的鸡汤。不过它引发了我们的好奇，学习这件事情，到底是怎么回事呢？

最近一段时间,“一万小时定律”在微信圈里很流行。

格拉德威尔在《异类》中提出:“人们眼中的天才之所以卓越非凡,并非天资超人一等,而是付出了持续不断的努力。一万小时的锤炼是任何人从平凡变成超凡的必要条件。”更进一步的表述是:要成为某个领域的专家,需要一万小时。这就是一万小时定律的由来。

然而我们知道一万小时只是必要条件而不是充分条件,在有些领域无论怎么努力,无论怎么锤炼一万小时、两万小时甚至三万小时,都是不可能成为专家的。例如赌博,无论锤炼多久,你都不可能在里面稳定地赚钱,预期收益率总归是负的。即使那些通过一万小时的努力可能成功的领域,方法不对也不会有效果。例如打篮球,如果你总是一个人独自练习,无论你一个人的时候运球速度有多快,投篮有多准,到真的上赛场的时候你也不大可能成为一个很牛的篮球运动员。

那么除了一万小时的努力,还需要有怎样的条件才能成为行业的专家呢?努力和练习本身还是一种学习的过程,因此我们要从学习的机制讲起。

学习主要有三种模式:经典制约学习、操作制约学习和认知学习。

经典制约学习就是巴甫洛夫式学习,即通过简单地反复同时出现,把两个事件联系在一起。例如,经常吃糖自然就学习到糖是甜的;看到月亮总在夜晚出现,自然就学习到有月亮一般是夜晚;有的人经常晕车,于是一坐上车甚至看到车就会觉得不舒服。然而经典制约学习比较适合联系简单的事物,要成为各行业的专家,通过经典制约学习是不大可能的。

操作制约学习是指随机行为得到后效强化也即奖励和惩罚后形成一定的行为模式。例如,小孩专心学习反复得到家长表扬就会逐渐养成认真学习的习惯;老公待在家里老被骂,自然就在家里待得越来越少;小偷小摸总是得到财物而不被抓和惩罚,就会逐渐成为惯偷。

操作制约学习在一万小时定律中非常重要,在一万小时的努力过程中,正是要不断通过对正确行为的奖励和错误行为的惩罚而形成正确的知识和行为体系,最终成为行业专家。

我们来做个思想实验。假如有这样一个领域:正确的行为不会得到有效的奖励,错误的行为也不会得到有效的惩罚,那么在这样的领域努力再多都不会形成操作制约学习,因而不能逐渐形成正确的知识和方法体系,因此在这样的领域努力是没有用的,不管一万小时、两万小时还是三万小时。前面我们提到的赌博基本上就是这样一个领域,无论你赌大还是赌小,其结果也就是赚钱和亏钱,并不会形成一个有效的奖惩,因为即使你赌大赚了钱,接下来你继续赌大亏的概率依然是50%,甚至可以说在赌博的领域就没有正确的知识方法和错误的知识方法之分,因此这不是一个通过努力就能成为专家的领域。其实推广到任何领域也都是如此,若在努力时正确的知识和行为得不到奖励、错误的知识和行为得不到惩罚,就不可能通过一万小时的努力成为专家。所以,关键在于得到有效的奖励和惩罚。

在金融投资领域,金融市场有很大的随机性,特别是股票市场,很多时候做对了可能会亏钱,做错了反而有可能赚钱,所以金融投资的奖惩若简单以赚钱和亏钱来计很多时候是无效的。然而进入金融市场的目的本身就是为了赚钱,所以多数人自然地会把赚钱和亏钱当作一种奖惩,因而他们在金融市场无论摸爬滚打多久都难以成为专家。许多人崇拜利弗莫尔,是因为虽然他最后赔得差不多了,但他至少曾经大赚过。作为一个大投机家,杰西·利弗莫尔总是在重仓地赌方向,可以说他忽略了金融市场的随机性,恐怕正是他赚钱的交易对他的错误交易行为进行强化,从而导致了他最后的失败。

要想在金融投资领域成为专家需要在不确定的金融市场中找到一种有效的后效强化机制。

第一种机制是对交易行为寻求理论支持,也就是说对我们的交易行为和交易策略可以去寻找金融理论的支持,如果在金融理论框架下是正确的,我们会得到一种逻辑完备的精神奖励,而如果得不到金融理论的支持,我们就应该反思这样的行为和策略,并在未来予以避免。这个机制从某种程度上已经利用了我们上面提到的第三种学习机制:认知学习。认知学习是指不需要实践操作,而通过观察和模仿进行的学习方式。从书本上学习,通过逻辑推导例如归纳法和演绎法进行学习都属于认知学习。指数化投资其实就是在这一机制之下通过有效市场理论强化出来的金融投资模式。

第二种机制是用统计结果来进行后效强化,也就是说不去关心每次交易的盈亏而是关心大量交易最后的统计盈亏,如果大量统计的结果证实某个行为和策略多次使用后是能够持续获利的,就加强其运用,反之如果一个行为和策略在统计学水平上是无法持续盈利的,就应该抛弃。这个机制也指导我们在观察策略、投资者和基金管理人水平的时候不应该看短期数据而应该看长期交易后的统计数据。量化投资是这个机制最直接对应的投资流派,这个流派通过对历史数据的客观统计分析找出在历史上能够持续盈利的交易模型,并在未来进行测试和使用。“量化投资之王”詹姆斯·西蒙斯用140亿美元、全球富豪排名第76位的身家充分证明了这个机制的有效性。

第三种机制是设法剔除金融市场的随机性后再用盈亏进行后效强化。如何去除金融市场的随机性呢?这就要使用对冲的方法将随机的部分尽量消除掉,例如在市场中性持仓下进行套利。当然广义而言并不一定要市场中性,我们可以把持仓盈亏看作随市场波动部分加上超额收益部分,只要我们去发现市场的无效并利用这种无效获得确定性的超额收益,那么即使承担了市场风险仍可以看作是这一机制的应用。巴菲特是利用这一机制的集大成者,无论是他早期从事套利交易,还是他利用保险公司获得低成本投资资金,又或是他举世闻名的利用市场无效获取低价筹码的价值投资法,都可以通过与市场随机性无关的获利来强化。

总而言之,在金融投资领域想成为专家,除了一万小时的努力,还要利用能避免金融市场随机性干扰的后效强化机制,至于利用哪一个机制就要看每个人的偏好了。

树我直言:

学习的关键机制，在于反馈。比如再优秀的运动员，李娜也好，菲尔普斯也罢，都始于一个杰出的教练。因为教练的存在，他可以站在一个“上帝视角”上，消除运动员本人的盲点，并提出实时的反馈，让运动员有针对性地练习。

但是，同样的道理放到金融市场中，往往会遭遇失灵。因为金融市场的短期波动，往往有随机波动的特点，这就好比一个喝了二两二锅头的糟糕教练，给你带来错误的反馈。比如，有人跟你说，让你五天线上买，五天线下抛，你深信不疑，照着练习了一万小时，练到了最高一重。可是，市场确确实实有可能在五天线上没来由的突然暴跌，五天线下想当然的突然暴涨，和它说理去？可是你已经投入了一万小时去练习了。

最后，如何有效地解决这个问题呢？其实也很简单，长期数据的反馈。比如巴菲特，从业50年的时间和收益率的数据，证明了他的办法确实是靠谱的。再比如，很多老字号的“对冲基金”，建立在长期数据之上，反复更新和优化投资模型。这样不断进化的“物种”，不断接受时间的“有效反馈”，最后，他们可能会是活下来，活得久，同时也是最聪明的那一个。